Texto associado
Acerca de qualidade de software, julgue os seguintes itens.
Banco público de questões
Questões para Concursos
Pesquise questões reais por disciplina, assunto, tópico, banca, órgão, cargo, ano e modalidade.
Questões por banca
29 bancas disponíveis.
Clique para visualizar todas.
Questões por banca
29 bancas disponíveis. Clique para visualizar todas.
Acesse diretamente as bancas disponíveis na QuestLab. As quantidades abaixo consideram as questões ativas do banco.
CEBRASPE
51.363 questões
FGV
25.316 questões
FCC
24.632 questões
AOCP
23.456 questões
IBFC
11.190 questões
VUNESP
10.983 questões
Instituto Quadrix
9.793 questões
FUNDATEC
9.088 questões
IBADE
7.820 questões
CESGRANRIO
6.013 questões
OBJETIVA
4.740 questões
CONSULPLAN
4.174 questões
FEPESE
3.585 questões
IADES
3.439 questões
IESES
2.627 questões
SELECON
2.377 questões
IDECAN
1.907 questões
MS CONCURSOS
1.485 questões
Instituto Legalle
1.281 questões
FAFIPA
1.161 questões
FUMARC
842 questões
ACAFE
551 questões
INSTITUTO AOCP
430 questões
NUCEPE
378 questões
FUNIVERSA
348 questões
FAURGS
203 questões
FIOCRUZ
48 questões
MACKENZIE
48 questões
CETRO
17 questões
34 questões encontradas
Texto associado
Taking into account the following text, judge the subsequent items.
Perspectives on modern data analytics
By Eric Knorr - Editor in Chief, CIO | APR 12, 2021 3:00 AM PDT
Some things don't change, even during a pandemic. Consistent with previous years, in CIO’s 2021 State of the CIO survey, a plurality of the 1,062 IT leaders surveyed chose “data/business analytics” as the No.1 tech initiative expected to drive IT investment.
Unfortunately, analytics initiatives seldom do nearly as well when it comes to stakeholder satisfaction.
Last year, CIO contributor Mary K. Pratt offered an excellent analysis of why data analytics initiatives still fail, including poor-quality or siloed data, vague rather than targeted business objectives, and clunky one-size-fits-all feature sets. But a number of fresh approaches and technologies are making these pratfalls less likely.
(...)
New technology invariably incurs new risks. No advancement has had more momentous impact on analytics than machine learning – from automating data prep to detecting meaningful patterns in data – but it also adds an unforeseen hazard. As CSO Senior Writer Lucian Constantin explains in "How data poisoning attacks corrupt machine learning models," deliberately skewed data injected by malicious hackers can tilt models toward some nefarious goal. The result could be, say, manipulated product recommendations, or even the ability for hackers to infer confidential underlying data.
(...)
In the end, the secret to successful analytics is not in choosing and implementing the perfect technology, but in cultivating a broad understanding that pervasive analytics yields better decisions and superior outcomes. Usually, you can iron out technology kinks or requirements misunderstandings. But if you can't change the mindset, few will use the beautiful analytics machine you just built.
Disponível em: https://www.cio.com/article/3614692/5-perspectives-on-modern-data-analytics.html. Acesso em: 15 out. 2021.
Perspectives on modern data analytics
By Eric Knorr - Editor in Chief, CIO | APR 12, 2021 3:00 AM PDT
Some things don't change, even during a pandemic. Consistent with previous years, in CIO’s 2021 State of the CIO survey, a plurality of the 1,062 IT leaders surveyed chose “data/business analytics” as the No.1 tech initiative expected to drive IT investment.
Unfortunately, analytics initiatives seldom do nearly as well when it comes to stakeholder satisfaction.
Last year, CIO contributor Mary K. Pratt offered an excellent analysis of why data analytics initiatives still fail, including poor-quality or siloed data, vague rather than targeted business objectives, and clunky one-size-fits-all feature sets. But a number of fresh approaches and technologies are making these pratfalls less likely.
(...)
New technology invariably incurs new risks. No advancement has had more momentous impact on analytics than machine learning – from automating data prep to detecting meaningful patterns in data – but it also adds an unforeseen hazard. As CSO Senior Writer Lucian Constantin explains in "How data poisoning attacks corrupt machine learning models," deliberately skewed data injected by malicious hackers can tilt models toward some nefarious goal. The result could be, say, manipulated product recommendations, or even the ability for hackers to infer confidential underlying data.
(...)
In the end, the secret to successful analytics is not in choosing and implementing the perfect technology, but in cultivating a broad understanding that pervasive analytics yields better decisions and superior outcomes. Usually, you can iron out technology kinks or requirements misunderstandings. But if you can't change the mindset, few will use the beautiful analytics machine you just built.
Disponível em: https://www.cio.com/article/3614692/5-perspectives-on-modern-data-analytics.html. Acesso em: 15 out. 2021.
The adjective “pervasive” in pervasive analytics could be replaced by the adjective “extensive” without a change in meaning in the aforementioned context.
Texto associado
Em relação à engenharia de requisitos, julgue os seguintes itens.
O processo de verificações de realismo usa o conhecimento das tecnologias existentes para verificar os requisitos e assegurar que realmente podem ser implementados. Essa verificação deve considerar o orçamento e o cronograma para o desenvolvimento do sistema.
Texto associado
Referente a bancos de dados relacionais e NoSQL, julgue os seguintes itens.
Em SQL Server 2012, o comando sp_executesql é o mais recomendado para execução de SQL dinâmico, pois suporta parâmetros e aceita apenas cadeias de caracteres Unicode reduzindo os riscos de exposição à injeção SQL.
Texto associado
Quanto aos conceitos relacionados ao desenvolvimento de aplicativos para dispositivos móveis, julgue os seguintes itens.
São 4 (quatro) os componentes básicos do Android: Activities (atividades): representam uma tela com uma interface de usuário; Services (serviços): componentes executados em segundo plano para realizar operações de longa execução ou processos de trabalho remotos; Content providers (provedores de conteúdo): gerenciam um conjunto compartilhado de dados; e Broadcast receiver (receptores de transmissão): componentes que respondem a anúncios de transmissão por todo o sistema.
Texto associado
Em relação a testes de software, julgue os seguintes itens.
Embora o objetivo principal do teste seja encontrar erros, uma boa estratégia de testes também avalia outras características de qualidade, como portabilidade, possibilidade de manutenção e processo de gerenciamento do projeto.
Texto associado
Com base nas metodologias de desenvolvimento de software, julgue os seguintes itens.
Os métodos ágeis são mais eficazes quando o sistema pode ser desenvolvido com uma pequena equipe colocalizada capaz de se comunicar de maneira informal. Isso pode não ser possível para sistemas de grande porte que exigem equipes de desenvolvimento maiores. Nesse caso, uma abordagem dirigida a planos pode ser usada.
Texto associado
Acerca de conceitos relacionados à modelagem de dados, julgue os seguintes itens.
Normalização é o procedimento realizado a partir de um documento ou disposição de informações sem um padrão projetizado.
Texto associado
Em relação à engenharia de requisitos, julgue os seguintes itens.
Na abordagem prototipação, a validação é feita através de um modelo executável do sistema em questão que é demonstrado para os usuários finais e clientes.
Texto associado
Quanto aos conceitos relacionados ao desenvolvimento de aplicativos para dispositivos móveis, julgue os seguintes itens.
